La opinión de un economista
En junio, tuvimos la oportunidad de escuchar al profesor Ajay Agrawal hablar sobre el tema de la IA. Fue a través Digi de la Conferencia Global de IoT (consulte nuestro post anterior para obtener un resumen más amplio del evento). Agrawal es profesor de Gestión Estratégica y profesor Peter Munk de Emprendimiento en la Escuela de Administración Rotman de la Universidad de Toronto. Además, es cofundador de The Next 36, Kindred y Creative Destruction Lab, todas organizaciones con un énfasis en la IA y la robótica.
Con una sesión dedicada a su investigación y su libro, Prediction Machines: the simple economics of artificial intelligence, Agrawal analizó ejemplos en los que la IA aporta eficiencia e impacto. Todos hemos sido testigos de ejemplos de predicción en acción a través de la IA, piense en la respuesta inteligente de Google. Smart Reply proporciona tres plantillas de respuestas de correo electrónico basadas en el contenido del correo electrónico de los remitentes. Permite a los usuarios de Gmail seleccionar una respuesta para simplificar y, por supuesto, ahorrar tiempo.
El profesor Agrawal compartió sus avances en el ámbito de la IA. Como comentó en la Conferencia Digi International Mundial sobre la IoT en junio de 2019, los que no son economistas se preguntan cómo funciona algo; por el contrario, los economistas se preguntan qué es lo que reduce el coste de la tecnología. Como tal, habló de las entradas y salidas de la inteligencia artificial. Crédito de la foto: Digi International
Flujo de toma de decisiones
Sin embargo, más interesante que los ejemplos de inteligencia artificial en nuestro día a día fue la visión de Agrawal sobre los aspectos en los que la IA aún no tiene tanto impacto. Mediante un análisis del proceso de toma de decisiones, Agrawal ofreció una perspectiva única en la que la IA no sustituye por completo a las actividades humanas. Haciendo hincapié en el diagrama 7-1 que se muestra a continuación, habló de las entradas para llegar a una conclusión. Como se explica en el libro Prediction Machines de Ajay Agrawal, escrito en coautoría por Joshua Gans y Avi Goldfarb (2018),
Cuando alguien (o algo) toma una decisión, toma datos de entrada del mundo que permiten hacer una predicción. Esa predicción es posible porque se formó sobre las relaciones entre los diferentes tipos de datos y qué datos están más estrechamente asociados a una situación. Combinando la predicción con el juicio sobre lo que importa, el responsable de la toma de decisiones puede entonces elegir una acción. La acción lleva a un resultado (que tiene una recompensa de recompensa asociada). El resultado es una consecuencia de la decisión. Es necesario para ofrecer una imagen completa. El resultado también puede proporcionar comentarios para ayudar a mejorar la próxima predicción.
(pág. 74)
Esta figura, tal como aparece en el libro (Agrawal, p. 75), es una disección de una decisión. Si bien la IA se ha centrado en facilitar la predicción, este flujo de trabajo demuestra las otras seis fases disponibles para el afecto humano.
En resumen, dado que la predicción es la utilización de la información que tenemos para generar información que no tenemos, las máquinas de predicción (también conocidas como IA) son las que tienen el impacto más apremiante a nivel de decisión. Sin embargo, como se describe en el flujo del proceso anterior, hay seis pasos adicionales en el progreso de la toma de decisiones. Estas otras medidas son en las que siguen siendo necesarias las actividades humanas.
Con las conclusiones adicionales que figuran en el libro,
Pero un punto clave es que, si bien la predicción es un componente clave de cualquier decisión, no es el único componente. Los demás elementos de una decisión (el juicio, los datos y la acción) permanecen, por ahora, firmemente en el ámbito de los humanos. Son complementos de la predicción, lo que significa que aumentan de valor a medida que la predicción se hace barata.
(Agrawal, Gans y Goldfarb, 2018, p. 76)
Básicamente, si bien el valor que se da a los sustitutos de la predicción —como la predicción humana— disminuirá, los valores complementarios de las incorporaciones humanas a otras etapas de la toma de decisiones, como la recopilación de datos, aumentarán. Esta faceta es importante. Si bien podemos reconocer que la IA ha dejado su huella al ofrecer predicciones más baratas y rápidas que las de los humanos, también debemos reconocer que actualmente solo son una parte del proceso.
Según estos autores con una gran experiencia en IA, el juicio en particular es una habilidad humana que cobrará más importancia. Esto se debe a que la capacidad de descifrar las decisiones correctas e incorrectas (y, por lo tanto, las recompensas y los errores percibidos) sigue siendo exclusivamente humana.
Más allá de la predicción
Dado que nuestro artículo se centra en las ideas compartidas directamente en la Conferencia, queremos hacer hincapié en que se trata solo de un fragmento de los temas que figuran en su libro. Para obtener un análisis más profundo, incluso en el área de la influencia social, consulte este libro.
Además, puede encontrar más artículos y perfiles de Agrawal, Gans y Goldfarb en la página personalizada. Prediction Machines
La IA y Louisville
Además, a nivel local, nos sentimos obligados a compartir las últimas noticias sobre Microsoft y Louisville, Kentucky. Casualmente, poco después de oír hablar a Agrawal, Microsoft anunció que abriría su primer centro regional de IA en Louisville.
Acuñada la «Alianza Digital para la Innovación en Inteligencia Artificial», se centrará en la investigación, la formación y la exploración de la IA, específicamente en relación con el IoT. Como se informó, Microsoft eligió Louisville por sus esfuerzos de inclusión digital y por el impacto esperado de la automatización en los sectores manufacturero y sanitario de la ciudad. Además de la equidad en el crecimiento económico, uno de los principales objetivos de la alianza es ayudar a la fuerza laboral a adaptarse a la escala de la automatización.
Referencia
Agrawal, A., Gans, J. y Goldfarb, A. (2018). Máquinas de predicción: la simple economía de la inteligencia artificial. Boston, Massachusetts: Harvard Business Review Press.